Havedev
AI Riset Pelanggan Cepat, Tetapi Bisnis Tetap Butuh Konteks yang Benar
Listen Labs, startup riset pasar berbasis voice AI, dikabarkan sempat menandatangani term sheet untuk pendanaan Series C sebesar 125 juta dolar dengan valuasi 1,5 miliar dolar. Putaran itu dipimpin Menlo Ventures, menurut beberapa sumber yang mengetahui prosesnya.
Namun pendanaan tersebut tidak jadi ditutup.
Listen Labs disebut mundur dari term sheet yang sudah ditandatangani, sesuatu yang jarang terjadi di dunia venture capital dan biasanya tidak dipandang baik oleh investor. Penyebab yang paling mungkin adalah pembicaraan akuisisi dengan Salesforce, yang kabarnya mempertimbangkan pembelian Listen Labs di kisaran 2 miliar dolar.
Pembicaraan itu belum final. Deal bisa terjadi, bisa juga batal.
Tetapi berita ini tetap menarik karena menunjukkan satu hal: AI untuk memahami pelanggan sedang menjadi area yang sangat mahal, sangat cepat, dan sangat strategis.
The Core Update
Listen Labs membangun produk yang memakai AI untuk membuat pertanyaan survei, melakukan wawancara pelanggan lewat audio atau video, lalu mengubah percakapan itu menjadi laporan dan presentasi.
Dalam riset pasar tradisional, proses seperti ini biasanya mahal dan memakan waktu berminggu-minggu. Perusahaan besar perlu memahami kebutuhan pelanggan, kepuasan terhadap brand, reaksi terhadap produk baru, dan alasan di balik keputusan pembelian.
Listen Labs mencoba memangkas waktu itu.
Alih-alih menunggu tim riset menjalankan wawancara manual, perusahaan bisa memakai AI untuk mengumpulkan suara pelanggan lebih cepat. Hasilnya bisa dipakai untuk membaca respons pasar, memperbaiki produk, dan mengambil keputusan lebih cepat.
Pelanggan Listen Labs disebut mencakup Microsoft, Canva, Anthropic, dan Sweetgreen. Pendapatan tahunannya dikabarkan sekitar 30 juta dolar. Angka ini membuat valuasi 1,5 sampai 2 miliar dolar terlihat agresif, tetapi tidak sepenuhnya aneh dalam konteks pasar AI saat ini.
Apalagi kompetitor seperti Simile baru saja mengumumkan pendanaan 200 juta dolar di valuasi 2 miliar dolar. Ada juga pemain lain seperti Outset, Keplar, dan Aaru.
Sebagian startup melakukan wawancara dengan manusia sungguhan menggunakan AI. Sebagian lain mengambil pendekatan synthetic research, yaitu memakai AI untuk mensimulasikan perilaku manusia dan memprediksi respons tanpa wawancara langsung.
Di permukaan, ini terdengar seperti masa depan riset pelanggan.
Lebih cepat. Lebih murah. Lebih mudah diskalakan.
Tetapi seperti banyak hal dalam AI, pertanyaan pentingnya bukan hanya apakah teknologinya bisa bekerja. Pertanyaannya adalah apakah bisnis tahu cara memakai hasilnya dengan benar.
The Reality Check
Banyak bisnis tidak kekurangan data pelanggan. Mereka kekurangan cara membaca data itu dengan konteks yang jelas.
Chat WhatsApp ada. Form website ada. Komentar media sosial ada. Riwayat support ada. Sales call ada. Review pelanggan ada. Tetapi semua itu sering tersebar, tidak diberi struktur, dan tidak selalu masuk ke proses pengambilan keputusan.
AI customer research menjanjikan jalan pintas: dengarkan pelanggan lebih banyak, rangkum lebih cepat, dan temukan insight otomatis.
Kadang memang membantu.
Namun AI tidak otomatis membuat bisnis lebih memahami pelanggan. AI hanya mempercepat proses menangkap dan merangkum sinyal. Kalau pertanyaan bisnisnya kabur, hasilnya juga bisa kabur. Kalau segmentasi pelanggan tidak jelas, ringkasan bisa terlihat rapi tetapi sulit dipakai. Kalau tim belum sepakat keputusan apa yang ingin diambil, laporan AI hanya menjadi dokumen lain yang dibaca sekali lalu dilupakan.
Masalah ini mirip dengan CRM, dashboard, dan automation.
Tool terlihat canggih, tetapi nilai sebenarnya muncul ketika bisnis sudah tahu alur kerja yang ingin diperbaiki.
Dalam konteks riset pelanggan, bisnis perlu menjawab hal dasar terlebih dahulu:
- pelanggan mana yang ingin dipahami?
- keputusan apa yang ingin dibantu oleh riset?
- pertanyaan mana yang tidak bisa dijawab dari data internal?
- sinyal mana yang harus dianggap penting?
- siapa yang bertanggung jawab mengubah insight menjadi tindakan?
- kapan temuan pelanggan harus memengaruhi produk, marketing, sales, atau support?
Tanpa jawaban itu, AI research bisa menjadi versi lebih cepat dari kebiasaan lama: mengumpulkan banyak masukan, tetapi tidak mengubah keputusan.
Inilah bagian yang sering luput dari hype.
Kecepatan riset bukan tujuan akhir. Tujuan akhirnya adalah keputusan yang lebih tajam.
Jika AI membantu bisnis mendengar 500 pelanggan tetapi tidak ada perubahan pada halaman produk, proses onboarding, pricing, follow-up sales, atau prioritas roadmap, maka nilai bisnisnya terbatas.
Sebaliknya, wawancara yang lebih sedikit pun bisa sangat bernilai jika pertanyaannya tepat dan hasilnya langsung masuk ke keputusan operasional.
Akuisisi potensial oleh Salesforce juga masuk akal dari sudut pandang ini.
Salesforce bukan hanya menjual CRM. Salesforce menjual sistem untuk membaca dan mengelola hubungan pelanggan. Jika mereka bisa menambahkan layer AI yang memahami kebutuhan pelanggan dari wawancara, percakapan, dan sinyal riset, produk CRM bisa menjadi lebih prediktif.
Namun valuasi sekitar 2 miliar dolar untuk pendapatan tahunan 30 juta dolar berarti multiple sekitar 67 kali revenue. Itu angka yang tinggi, bahkan untuk AI.
Pertanyaannya bukan hanya apakah Listen Labs punya teknologi bagus. Pertanyaannya apakah teknologi itu bisa menjadi bagian penting dari sistem keputusan pelanggan di perusahaan besar.
Karena di level enterprise, insight yang menarik saja tidak cukup. Insight harus masuk ke workflow.
The Havedev Way
Dari sudut pandang Havedev, berita Listen Labs bukan hanya cerita tentang pendanaan, valuasi, atau akuisisi Salesforce.
Ini adalah pengingat bahwa bisnis semakin ingin memahami pelanggan lebih cepat. Tetapi sebelum mengejar AI research yang kompleks, bisnis perlu memastikan fondasi insight pelanggan sudah sehat.
Untuk banyak bisnis, langkah awalnya tidak harus langsung memakai platform AI mahal.
Mulai dari sumber suara pelanggan yang sudah ada:
- pesan masuk dari website
- chat WhatsApp sales
- pertanyaan berulang di support
- alasan deal hilang
- alasan pelanggan batal membeli
- komplain setelah pembelian
- feedback dari onboarding
- catatan meeting dengan client
Sering kali, insight penting sudah ada di sana. Masalahnya, belum dikumpulkan dengan rapi dan belum dihubungkan ke keputusan.
Website misalnya, tidak seharusnya hanya menjadi sumber traffic. Website bisa membantu menangkap konteks kebutuhan calon pelanggan sejak awal. Form kontak bisa menanyakan layanan yang diminati, skala kebutuhan, urgensi, dan masalah utama. Tombol WhatsApp bisa membawa pesan awal yang menjelaskan halaman asal dan intent pengunjung.
Dengan begitu, tim tidak menerima lead kosong. Tim menerima sinyal.
CRM juga tidak seharusnya hanya menjadi daftar kontak. Ia perlu mencatat status, sumber, kebutuhan, alasan pending, alasan gagal, dan follow-up berikutnya. Dari sana, bisnis bisa mulai melihat pola: layanan mana yang sering ditanyakan, segmen mana yang paling siap membeli, bagian mana dari proses sales yang paling sering macet.
Automation juga tidak perlu dimulai dari sistem besar. Reminder follow-up sederhana, tagging lead berdasarkan halaman asal, atau ringkasan mingguan dari alasan lost deal bisa jauh lebih berguna daripada dashboard AI yang tidak pernah dipakai.
AI research menjadi menarik ketika fondasi ini sudah cukup rapi.
Jika bisnis sudah tahu pertanyaan apa yang ingin dijawab, AI bisa membantu mempercepat wawancara, menemukan pola, dan merangkum percakapan. Jika bisnis sudah punya workflow yang jelas, hasil riset bisa langsung masuk ke prioritas produk, konten, sales script, atau perbaikan layanan.
Tetapi kalau fondasinya belum ada, AI hanya akan menambah lapisan baru di atas kebingungan lama.
Maka pelajaran praktis dari Listen Labs cukup sederhana: masa depan customer research mungkin makin otomatis, tetapi bisnis tetap perlu disiplin dalam membaca pelanggan.
Bukan semua suara pelanggan harus ditindaklanjuti. Bukan semua feedback punya bobot yang sama. Bukan semua ringkasan AI layak menjadi keputusan.
Yang dibutuhkan adalah sistem yang menjawab tiga hal:
- apa yang pelanggan katakan?
- dari konteks apa mereka mengatakannya?
- keputusan apa yang harus berubah karena informasi itu?
Jika tiga hal ini belum jelas, membeli tool AI tidak otomatis membuat bisnis lebih customer-centric.
Bisnis yang paling siap mengambil manfaat dari AI research bukan bisnis yang paling cepat mencoba tool baru. Bisnis yang paling siap adalah bisnis yang sudah punya kebiasaan mencatat, mengelompokkan, dan menindaklanjuti suara pelanggan.
AI bisa mempercepat riset. Tetapi konteks tetap harus dibangun oleh bisnis.
Dapatkan Audit Teknis Gratis untuk meninjau apakah website, form, CRM, dan follow-up bisnis Anda sudah menangkap suara pelanggan dengan cukup jelas sebelum menambah tool AI baru.
Sumber referensi berita: TechCrunch